تحقیقات اقتصادی: دوره 46، شماره 3، زمستان 1390، صفحه 45-63
خالوزاده حمید؛ حمیدی علمداری سعیده؛ اسدالله زاده بالی میررستم
در این مقالهی، پیش‌بینی درآمدهای مالیاتی کشور طی سالهای برنامهی پنجم توسعه، یا بهکارگیری روش شبکههای عصبی غیرخطی انجام شده است. این پیش‌بینی بر مبنای داده-های درآمدهای مالیاتی به تفکیک مالیاتهای کل، مستقیم، غیرمستقیم (سالهای 87-1338)، شرکتها، درآمد، ثروت و واردات (87-1342) بوده است.
از آنجا که پیش‌بینی‌ها مربوط به دورهی میان‌مدت میباشد، شناخت نسبی از میزان پیچیدگی سریهای زمانی موردنظر این امکان را فراهم می‌کند که با توجه به ساختار سریهای زمانی، از مدلهای مناسب برای پیش‌بینی و دستیابی به جوابهای قابل اطمینان استفاده شود، لذا در این مقاله ابتدا ماهیت ساختاری سری زمانی درآمدهای مالیاتی از جهت آشوبی و تصادفی بودن و میزان پیچیدگی، با استفاده از آزمون بُعد همبستگی، بررسی شده است. نتایج تخمین بُعد همبستگی علاوه بر تأیید وجود آشوب در داده‌ها، نشانگر پیچیدگی در ساختار سریهای زمانی موردنظر میباشد که میزان آن در مورد هر متغیر از جهت شدت و ضعف، متفاوت است. در مرحلهی بعد، درآمدهای مالیاتی به تفکیک منابع وصولی با استفاده از شبکهی عصبی پیشنهادی ویژهی مؤلفان با ساختار چندورودی چندخروجی و قانون یادگیری پیشنهادی برای سالهای 93-1388، به صورت یک بازهی درآمدی پیش‌بینی شده است. نتایج بهدست آمده از فرآیند پیش‌بینی شش سال آینده در فاز آموزش بسیار مطلوب بوده است و انتظار میرود در سالهای آینده نیز مقادیر پیش‌بینی شده چنانچه تغییر ساختار ویژهی مالیاتی رخ ندهد، با دقت خوبی برقرار باشد.
کلیدواژگان :آشوب؛ بعدهمبستگی؛ پیش بینی؛ شبکهی عصبی مصنوعی؛ مالیات؛ مدل چندورودی- چندخروجی
منبع: مجله تحقیقات اقتصادی